BM25
Aussi : Okapi BM25
Fonction de classement lexicale qui note un document d’après la présence des termes de la requête, leur rareté et la longueur du document.
BM25 prolonge TF-IDF avec deux corrections. La saturation : répéter un terme ne rapporte pas en proportion du nombre de répétitions. La normalisation par la longueur : un document n’est pas avantagé du seul fait qu’il est long. Un terme rare dans le corpus pèse plus qu’un terme banal. La formule ne regarde ni l’ordre des mots ni leur sens.
Elle sert de moitié lexicale dans les recherches hybrides : la note d’Anthropic sur la récupération contextuelle l’emploie à ce titre, pour retrouver les correspondances exactes que les embeddings manquent. Elle explique aussi pourquoi le bourrage de mots-clés ne paie pas dans un tel système : la saturation plafonne le gain, et la longueur ajoutée joue contre le document.